Иерархическая система распределенного управления движением многоагентной формацией в динамической среде

Рассматривается задача управления движением многоагентной робототехнической формации, функционирующей в динамической среде со статическими и динамическими препятствиями. Предложена структура иерархической системы распределенного управления, обеспечивающей координацию движения нескольких агентов при сохранении заданной геометрической конфигурации формации в процессе сближения с целевой точкой. Разработанная архитектура включает четыре взаимосвязанных уровня: уровень координации агентов, уровень планирования маршрута, уровень согласованного следования по маршруту и уровень управления движением отдельного агента. Такое разделение функций позволяет эффективно организовать взаимодействие между агентами и обеспечить согласованность их коллективного поведения. На уровне координации движения используется распределенный механизм на основе протокола среднего консенсуса, позволяющий формировать согласованную оценку текущего положения центра формации на основе локального обмена информацией между соседними агентами. Полученная оценка используется на уровне планирования для формирования последовательности путевых точек для центра формации. Задача планирования маршрута формулируется как невыпуклая задача оптимального управления с прогнозирующей моделью (Model Predictive Control, MPC), учитывающая динамические ограничения системы и требования обхода препятствий. Для эффективной численной реализации невыпуклая задача решается методом последовательного выпуклого программирования (Sequential Convex Programming, SCP), основанным на аппроксимации исходной задачи последовательностью выпуклых подзадач оптимизации. Для реализации движения разработаны распределенные алгоритмы согласованного следования по прямолинейным и круговым участкам планируемого маршрута. Эти алгоритмы используют только локальное межагентное взаимодействие и обеспечивают сохранение требуемой геометрической конфигурации формации в процессе движения. Модель движения агентов основана на неголономной динамике и может применяться для широкого класса мобильных робототехнических платформ, включая наземные, воздушные и морские аппараты. Эффективность предложенных алгоритмов подтверждена результатами численного моделирования в среде MATLAB, демонстрирующими устойчивое движение формации и успешный обход препятствий в динамической среде.

1. Olfati-Saber R., Fax J. A., Murray R. M. Consensus and cooperation in networked multi-agent systems // Proceedings of the IEEE. 2007. Vol. 95, N. 1. P. 215—233.

2. Bullo F., Cortes J., Martinez S. Distributed Control of Robotic Networks. Princeton: Princeton University Press, 2006. 323 p.

3. Фуртат И. Б. Адаптивное и робастное управление мультиагентными системами. СПб.: Университет ИТМО, 2016. 155 с.

4. Филимонов А. Б., Филимонов Н. Б., Нгуен Т. К., Фам К. Ф. Планирование маршрутов полета БПЛА в задачах группового патрулирования протяженных территорий // Мехатроника, автоматизация, управление. 2023. Т. 24, № 7. С. 374—381.

5. Merino L., Martínez-de Dios J. R., Ollero А. Cooperative unmanned aerial systems for fire detection, monitoring, and extinguishing // Handbook of Unmanned Aerial Vehicles. Springer, 2015. P. 2693—2722.

6. Ren W., Beard R. W. Distributed Consensus in Multi-Vehicle Cooperative Control. London: Springer-Verlag, 2008. 315 p.

7. Jadbabaie A., Lin J., Morse А. S. Coordination of groups of mobile autonomous agents using nearest neighbor rules // IEEE Transactions on Automatic Control. 2003. Vol. 48, N. 6. P. 988—1001.

8. Oh K.-K., Park M.-C., Ahn H.-S. А survey of multi-agent formation control // Automatica. 2015. Vol. 53. P. 424—440.

9. Do T., Hua T., Nguyen T., Nguyen V., Nguyen C., Nguyen H., Nguyen T., Nguyen N. Formation control algorithms for multiple UAVs: А comprehensive survey // EAI Endorsed Transactions on Industrial Networks and Intelligent Systems. 2021. Vol. 8, N. 27. e3.

10. Liu H. H. T., Zhu В. Formation Control of Multiple Autonomous Vehicle Systems. Hoboken: Wiley, 2018. 253 p.

11. Yu Q., Zhou J. А review of global and local path planning algorithms for mobile robots // Proceedings of the 8th International Conference on Robotics, Control and Automation (ICRCA). Shanghai, China, 2024. P. 84—90.

12. Филимонов А. Б., Филимонов Н. Б. Методология искусственных потенциальных полей в задачах локальной навигации мобильных роботов // Интеллектуальные системы, управление и мехатроника — 2017. Материалы III Всеросс. науч.-техн. конф. Севастополь: СевГУ, 2017. С. 157—160.

13. Xu T., Liu J., Zhang Z., Chen G., Cui D., Li Н. Distributed MPC for trajectory tracking and formation control of multiUAVs with leader-follower structure // IEEE Access. 2023. Vol. 11. P. 128762—128773.

14. Luis C. E., Schoellig А. P. Trajectory generation for multiagent point-to-point transitions via distributed model predictive control // IEEE Robotics and Automation Letters. 2019. Vol. 4, N. 2. P. 375—382.

15. Нгуен Ч., Фам Ф. Алгоритмизация следящего управления движением квадрокоптера с гарантированным быстродействием методом функций Ляпунова // Мехатроника, автоматизация, управление. 2025. Т. 26, № 6. С. 306—315.

16. Nguyen T. H., Pascoal А. M. Cooperative path following of autonomous vehicles with model predictive control and eventtriggered communications // IFAC-PapersOnLine. 2018. Vol. 51, N. 20. P. 562—567.

17. Фам К. Ф. Алгоритмы управления многоагентной формацией при согласованном следовании по маршрутам // Известия вузов. Приборостроение. 2025. Т. 68, № 12. С. 1046—1055.

18. Ян Ш., Филимонов Н. Б. Проблемы консенсуса мультиагентных систем: состояние и перспективы // Высокопроизводительные вычислительные системы и технологии. 2025. Т. 9, № 1. С. 197—207.

19. Фам К. Ф. Информационный консенсус в кооперативном управлении мультироботными системами // Journal of Advanced Research in Technical Science. 2025. № 48. С. 20—26.

20. Фам К. Ф., Филимонов Н. Б. Синтез закона управления в многоагентных системах с неоднородными временными задержками // Информатика и системы управления. 2026. Т. 87, № 1. С. 105—115.

21. Mesbahi M., Egerstedt M. Graph Theoretic Methods in Multiagent Networks. Princeton: Princeton University Press, 2010. 424 p.

22. Alrifaee B., Mamaghani M. G., Abel D. Centralized nonconvex model predictive control for cooperative collision avoidance of networked vehicles // IEEE International Symposium on Intelligent Control. Juan Les Pins, France, 2014. P. 1583—1588.

23. Муслимов Т. З., Мунасыпов Р. А. Децентрализованное групповое нелинейное управление строем беспилотных летательных аппаратов самолетного типа // Мехатроника, автоматизация, управление. 2020. Т. 21, № 1. С. 43—50.

24. Веремей Е. И., Сотникова М. В. Управление с прогнозирующими моделями. Воронеж: Научная книга, 2016. 214 с.

25. Boyd S., Vandenberghe L. Convex Optimization. Cambridge: Cambridge University Press, 2004. 716 p.

26. Биард Т. У., МакЛэйн Т. Малые беспилотные летательные аппараты: теория и практика. М.: Техносфера, 2015. 312 с.